Primero, crearemos un vector con cada uno de los nombres de las personas y los datos de la latitud y longitud del lugar de la República Mexicana al que les gustaría viajar. Posteriormente, mediante la función rbind crearemos una matriz por columnas con los datos de las ubicaciones a las que nos gustaría viajar:
ana<-c(-96.6875,16.9458)
izanami<-c(-105.382000,20.649389)
perla<-c(-102.583,22.7709)
katia<-c(-103.349609,20.659698)
alan<-c(-87.0176600,20.6928100)
viajes<-rbind(ana,izanami,perla,katia,alan)
viajes
## [,1] [,2]
## ana -96.68750 16.94580
## izanami -105.38200 20.64939
## perla -102.58300 22.77090
## katia -103.34961 20.65970
## alan -87.01766 20.69281
Una vez que hemos creado nuestra matriz de datos, cambiaremos el nombre de nuestras columnas con la función colnames:
colnames(viajes)<-c("Longitud","Latitud")
viajes
## Longitud Latitud
## ana -96.68750 16.94580
## izanami -105.38200 20.64939
## perla -102.58300 22.77090
## katia -103.34961 20.65970
## alan -87.01766 20.69281
Recuerda que para hacer gráficas con ggplot y mapas con qmplot necesitamos un data frame. Vamos a transformar nuestra matriz en un data.frame de la siguiente forma:
viajes<-data.frame(viajes)
viajes
## Longitud Latitud
## ana -96.68750 16.94580
## izanami -105.38200 20.64939
## perla -102.58300 22.77090
## katia -103.34961 20.65970
## alan -87.01766 20.69281
Podemos crear una grafica de dispersión y usar los nombres como etiqueta si utilizamos la función ggplot junto con geom_text; además, podemos agregar puntos a nuestra gráfica con la función geom_point. Finalmente, si queremos que nuestra gráfica sea interactiva, utilizamos la función ggplotly:
dispersion<-ggplot(viajes)+geom_text(aes(Latitud,Longitud),label= rownames(viajes))+geom_point(aes(Latitud,Longitud),color= rainbow(5))
ggplotly(dispersion)
Para crear un mapa, utilizaremos la funcion qmplot:
qmplot(Longitud, Latitud, data=viajes, color=I(rainbow(5)))
Podemos agregar el parámetro geom = c("point","density2d") para hacer un mapa de puntos y densidad:
qmplot(Longitud, Latitud, data=viajes, geom=c("point","density2d"))
La mayor concentración está en el noreste (3) mientras que los demás están en el sur y suroeste respectivamente.
Sería una función cúbica.
Sí porque nos permite conocer como se desplazan los agentes económicos y a partir de eso podemos planificar la economía.
Hemos aprendido muchas de las funciones que tiene R como herramienta para graficar y crear funciones, bases de datos, etc.. Tambíen hemos aprendido los nuevos usos que tiene la información a nivel macroeconómico y como usan esta información las grandes empresas.
Esta obra fue generada mediante R en November 18, 2020 y forma parte de las actividades realizadas en las materias de Matemáticas I y Taller III, Facultad de Economía, UNAM. Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional. Creative Commons (CC).